PHP-Curl使用

載自：http://lelong.iteye.com/blog/538645

在這篇文章中主要講解php_curl庫的知識，並教你如何更好的使用php_curl。

簡介

你可能在你的編寫PHP指令碼代碼中會遇到這樣的問題：怎麼樣才能從其他網站擷取內容呢？這裡有幾個解決方式；最簡單的就是在php中使用fopen()函數，但是fopen函數沒有足夠的參數來使用，比如當你想構建一個“網路爬蟲”，想定義爬蟲的用戶端描述(IE,firefox),通過不同的請求方式來擷取內容，比如POST,GET；等等這些需求是不可能用fopen() 函數實現的。

 

為瞭解決我們上面提出的問題，我們可以使用PHP的擴充庫-Curl，這個擴充庫通常是預設在安裝包中的,你可以它來擷取其他網站的內容，也可以來幹別的。

 

備忘：這兩段代碼需要php_curl擴充庫的支援，查看phpinfo()，如果curl support  enabled則表示支援curl庫。
1、Windows下的PHP開啟curl庫支援：
開啟php.ini，將extension=php_curl.dll前的;號去掉。

2、Linux下的PHP開啟curl庫支援：
編譯PHP時在./configure後加上 –with-curl

在這篇文章中，我們一起來看看如何使用curl庫，並看看它的其他用處，但是接下來，我們要從最基本的用法開始

基本用法：

第一步，我們通過函數curl_init()建立一個新的curl會話,代碼如下：

<?php
// create a new curl resource
$ch = curl_init();
?>

我們已經成功建立了一個curl會話，如果需要擷取一個URL的內容，那麼接下的一步，傳遞一個URL給curl_setopt()函數，代碼：

<?php
// set URL and other appropriate options
curl_setopt($ch, CURLOPT_URL, “http://www.google.com/”);
?>

做完上一步工作，curl的準備工作做完了，curl將會擷取URL網站的內容，並列印出來。代碼：

<?php
// grab URL and pass it to the browser
curl_exec($ch);
?>

最後，關閉當前的curl會話

<?php
//close curl resource, and free up system resources
curl_close($ch);
?>

下面我們來看看完成的執行個體代碼：

<?php

// create a new curl resource
$ch = curl_init();
// set URL and other appropriate options
curl_setopt($ch, CURLOPT_URL, “http://www.google.nl/”);
// grab URL and pass it to the browser
curl_exec($ch);
// close curl resource, and free up system resources
curl_close($ch);
?>

(查看線上demo )
我們剛剛把另外一個網站的內容，擷取過來以後自動輸出到瀏覽器，我們有沒有其他的方式組織擷取的資訊，然後控制其輸出的內容呢？完全沒有問題，在curl_setopt()函數的參數中，如果希望獲得內容但不輸出,使用CURLOPT_RETURNTRANSFER 參數,並設為非0值/true!，完整代碼請看：

<?php

// create a new curl resource
$ch = curl_init();
// set URL and other appropriate options
curl_setopt($ch, CURLOPT_URL, “http://www.google.nl/”);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
// grab URL, and return output
$output = curl_exec($ch);
// close curl resource, and free up system resources
curl_close($ch);
// Replace ‘Google’ with ‘PHPit’
$output = str_replace(’Google’, ‘PHPit’, $output);
// Print output
echo $output;
?>

(查看線上demo )

在上面的2個執行個體中，你可能注意到通過設定函數curl_setopt() 的不同參數，可以獲得不同結果，這正是curl強大的原因，下面我們來看看這些參數的含義。

CURL的相關選項：

如果你看過php手冊中的curl_setopt()函數，你可以注意到了，它下面長長的參數列表，我們不可能一一介紹，更多的內容請查看PHP手冊，這裡只介紹常用的和有的一些參數。

第一個很有意思的參數是 CURLOPT_FOLLOWLOCATION ,當你把這個參數設定為true時，curl會根據任何重新導向命令更深層次的擷取轉向路徑，舉個例子：當你嘗試擷取一個PHP的頁面，然後這個PHP的頁面中有一段跳轉代碼 <?php header(”Location:http://new_url”);….?>,curl將從http://new_url擷取內容，而不是返回跳轉代碼。完整的代碼如下：

<?php

// create a new curl resource
$ch = curl_init();
// set URL and other appropriate options
curl_setopt($ch, CURLOPT_URL, “http://www.google.com/”);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
// grab URL, and print
curl_exec($ch);
?>

(查看線上demo )，
如果Google發送一個轉向請求，上面的例子將根據跳轉的網址繼續擷取內容，和這個參數有關的兩個選項是CURLOPT_MAXREDIRS 和CURLOPT_AUTOREFERER .
參數CURLOPT_MAXREDIRS 選項允許你定義跳轉請求的最大次數，超過了這個次數將不再擷取其內容。如果CURLOPT_AUTOREFERER 設定為true時，curl會自動添加Referer header在每一個跳轉連結，可能它不是很重要，但是在一定的案例中卻非常的有用。

下一步介紹的參數是CURLOPT_POST ,這是一個非常有用的功能，因為它可以讓您這樣做POST請求，而不是GET請求，這實際上意味著你可以提交
其他形式的頁面，無須其實在表單中填入。下面的例子表明我的意思：

<?php
// create a new curl resource
$ch = curl_init();
// set URL and other appropriate options
curl_setopt($ch, CURLOPT_URL,”http://projects/phpit/content/using%20curl%20php/demos/handle_form.php”);
// Do a POST
$data = array(’name’ => ‘Dennis’, ’surname’ => ‘Pallett’);
curl_setopt($ch, CURLOPT_POST, true);
curl_setopt($ch, CURLOPT_POSTFIELDS, $data);
// grab URL, and print
curl_exec($ch);
?>

(View Live Demo ) 
And the handle_form.php file:

<?php
echo ‘<h3>Form variables I received: </h3>’;
echo ‘<pre>’;
print_r ($_POST);
echo ‘</pre>’;
?>

正如你可以看到，這使得它真的很容易提交形式，這是一個偉大的方式來測試您的所有形式，而不以填補他們在所有的時間。
參數CURLOPT_CONNECTTIMEOUT 通常用來設定curl嘗試請求連結的時間，這是一個非常重要的選項，如果你把這段時間設定的太短了，可能會導致curl請求失敗。
但是如果你把它設定的時間太長了，可能PHP指令碼將死掉。和這個參數相關的一個選項是 CURLOPT_TIMEOUT ，這是用來設定curl允許執行的時間需求。如果您設定這一個很小的值，它可能會導下載的網頁上是不完整的，因為他們需要一段時間才能下載。
最後一個選項是 CURLOPT_USERAGENT，它允許你自訂請求是的用戶端名稱，比如webspilder或是IE6.0.範例程式碼如下：

<?php
// create a new curl resource
$ch = curl_init();
// set URL and other appropriate options
curl_setopt($ch, CURLOPT_URL, “http://www.useragent.org/”);
curl_setopt($ch, CURLOPT_USERAGENT, ‘My custom web spider/0.1′);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
// grab URL, and print
curl_exec($ch);
?>

(View Live Demo)

現在我們把最有意思的一個參數都介紹過了，下面我們來介紹一個curl_getinfo() 函數，看看它能為我們做些什麼。

擷取頁面的資訊：

函數curl_getinfo()可以使得我們擷取接受頁面各種資訊，你能編輯這些資訊通過設定選項的第二個參數，你也可以傳遞一個數組的形式。就像下面的例子：

<?php
// create a new curl resource
$ch = curl_init();
// set URL and other appropriate options
curl_setopt($ch, CURLOPT_URL, “http://www.google.com”);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FILETIME, true);
// grab URL
$output = curl_exec($ch);
// Print info
echo ‘<pre>’;
print_r (curl_getinfo($ch));
echo ‘</pre>’;
?>

(View Live Demo )

大部分返回的資訊是請求本身的，像：這個請求花的時間，返回的標頭檔資訊，當然也有一些頁面的資訊，像頁面內容的大小，最後修改的時間。

那些全是關於curl_getinfo（）函數的，現在讓我們看看它的實際用途。

實際用途：

curl庫的第一用途可以查看一個URL頁面是否存在，我們可以通過查看這個URL的請求返回的代碼來判斷比如404代表這個頁面不存在，我們來看一些例子：

<?php
// create a new curl resource
$ch = curl_init();
// set URL and other appropriate options
curl_setopt($ch, CURLOPT_URL, “http://www.google.com/does/not/exist”);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
// grab URL
$output = curl_exec($ch);
// Get response code
$response_code = curl_getinfo($ch, CURLINFO_HTTP_CODE);
// Not found?
if ($response_code == ‘404′) {
echo ‘Page doesn\’t exist’;
} else {
echo $output;
}
?>

(View Live Demo )

其他的使用者可能是建立一個自動檢查器，驗證每個請求的頁面是否存在。
我們可以用curl庫來寫和google類似的網頁蜘蛛(web spider)，或是其他的網頁蜘蛛。這篇文章不是關於如何寫一個網頁蜘蛛的，因此所以我們沒有講任何關於網頁蜘蛛的細節問題，但是以後在PHPit 將會介紹用 curl來構造一個web spider.

結論：

在這篇文章我已經表明，如何使用php中的curl庫和其大部分的選項。

為最基本的任務，只想獲得一個網頁，你可能不會需要CURL庫，但是，一旦你想要做任何事情稍微先進的，您可能會想要使用curl庫。

在近未來，我會告訴您究竟如何建立自己的網路蜘蛛，類似Google的網路蜘蛛，敬請期待，以phpit。